为了阐释数字化转型能否通过技能偏向型技术进步提升劳动技能溢价，文章在构建理论模型的基础上，
采用2010~2020年中国A股上市公司数据，考察数字化转型对劳动技能溢价的影响及作用机制，并进一步讨论在资本—技能互补性关系下，数字化转型对劳动产出效率和技能工资的实际影响。
文章构建
CES
生产函数，同时引入数字化转型的技术特征，并将其视为一种劳动扩展性技术，从理论上分析数字化转型对劳动技能溢价的影响及其作用机理。通过理论分析得到如下假说：
考虑到中国数字经济规模性扩张主要发生在
2010
年以后，采用
2010~2020
年中国
A
股上市公司数据作为初始研究样本。企业基本信息和主要财务数据来源于
CSMAR
数据库，地区层面数据来自历年《中国城市统计年鉴》和《中国农村统计年鉴》。
文章将劳动技能溢价设定为企业内部高技能劳动者与低技能劳动者之间的收入差距，并进行估算。具体测度方法如下：
文章从人工智能技术、云计算技术、区块链技术、大数据技术和数字技术应用五个方面整理出数字化转型特征词库。在此基础上，借助
Python
功能将筛选整理出的数字化转型特征词库扩充到中文分词库，并运用文本分析方法对上市公司年报中
“
管理层讨论与分析
”
（简称
MD&A
）部分进行分词处理，统计数字化转型关键词出现的词频。由于年报
MD&A
篇幅的长度差异可能影响企业披露
“
数字化转型
”
关键词的频数，因此采用数字化转型相关词汇频数总和除以
MD&A
语段长度乘以
100
衡量企业数字化转型程度（
Digital
）。此外，在稳健性检验中，文章还采用数字化无形资产占比、数字化技术创新以及宏微观综合法等构建新的数字化转型指标进行检验。
企业层面的控制变量包括企业规模（
Size
），企业年龄（
Age
），资产负债率（
Debt
），盈利能力（
ROA
），资本劳动比（
KL
），贸易开放度（
Trade
）；地区层面的控制变量选取地区人均产值（
PGDP
）；行业层面的控制变量选取行业市场化指数（
Market
）。
文章统计了
2010~2020
年全国
A
股上市企业的全要素生产率、高技能劳动力就业比重和劳动技能溢价平均变动情况。如图
1
所示，从时间趋势看，全要素生产率、高技能劳动力就业比重和劳动技能溢价的平均水平整体呈现上升的趋势，且劳动技能溢价的平均增长幅度非常明显。考虑到全要素生产率代表着企业技术进步变化率，高技能劳动力就业比重则能够反映企业对高技能劳动力的相对需求，因此图
1
初步表明，劳动技能溢价的不断提升与技术进步变化率和高技能劳动力相对需求的增加具有较高关联性。与此同时，按照要素密集程度将企业划分为劳动密集型行业和资本技术密集型行业进行统计。从图
2
中可以看出，企业的劳动技能溢价水平总体呈逐年上升的趋势，而在不同要素密度型行业中，资本技术密集型行业的平均技能溢价水平高于劳动密集型行业，初步说明劳动技能溢价水平具有鲜明的行业异质性特征。
表1汇报了数字化转型影响劳动技能溢价的基准回归结果。其中，第（1）~（3）列是以教育程度为划分标准，估计结果显示，无论是第（1）列和第（2）列依次加入企业固定效应和年份固定效应，还是第（3）列中将解释变量和全部控制变量进行滞后一期处理，
Digital的估计系数均在1%或5%的水平上显著为正
；
第（4）~（6）列是以工作类型为划分标准，Digital的估计系数也均在10%及以上水平显著为正
，表明数字化转型能够显著提升劳动技能溢价。
采用两阶段最小二乘法（2SLS）进行检验。一是采用除本企业之外的同行业平均数字化转型程度构建工具变量（IV1）。二是选用公司高管数字化意识作为企业数字化转型工具变量（IV2）。三是考虑到外部政策冲击作为企业数字化转型工具变量，采用“宽带中国”试点政策作为工具变量（IV3），其具体的构造方式为：若企业所在城市在样本期内被选为试点城市，则在入选当年及之后年份变量取值为1；否则为0。从表2第（1）列第一阶段的结果可以看出，所选工具变量的估计系数均在1%水平上显著为正，均满足工具变量的相关性检验；同时，Wald F统计量数值均大于10%水平下的临界值（16.630），拒绝了弱工具变量的原假设，证实了所选工具变量的有效性；第（2）~（7）列第二阶段的结果显示，
Digital对劳动技能溢价的估计系数均显著为正
，与基准结果保持一致。
根据企业所有权性质将整体样本划分为国有制企业和非国有制企业进行检验。表3第（1）列和第（2）列的回归结果显示，
国有制企业中Digital的估计系数不显著，而非国有制企业中Digital的估计系数显著为正。
参照鲁桐和党印（2014）的聚类分析方法和证监会2012年修订的《上市公司行业分类指引》，将行业分为劳动密集型行业和资本技术密集型行业。表3第（3）列和第（4）列的回归结果显示，
Digital在劳动密集型行业中的估计系数不显著，而在资本技术密集型行业中估计系数显著为正
。
根据企业所在地区互联网接入端口数量与居民人数比值的年度中位数，将地区数字基础设施发展水平区分为高和低两组。表3第（5）列和第（6）列的回归结果显示，
数字基础设施较高的地区估计系数显著为正，而数字基础设施较低的地区估计系数则不显著
。
从结构化角度将数字化转型分为数字化底层技术转型和数字化实践应用转型两大细分指标，前者主要包括人工智能、大数据、云计算和区块链等底层技术应用方向，用于推动企业自身的生产流程、经营管理等数字化变革；后者主要包括互联网金融、数字营销、移动支付和移动互联网等数字技术实践应用方向，用于与生产经营中的新产品和新业务直接融合，创新市场应用场景，提升企业市场价值与生产效益。两大细分指标所包含的关键词各不相同，以此检验不同类型数字化转型对劳动技能溢价的影响。表3第（7）列和第（8）列的回归结果显示，
Digital的估计系数均显著为正
，表明无论是数字化底层技术转型还是数字化实践应用转型均能提升劳动技能溢价，
但是从估计系数大小来看，数字化底层技术转型提升效果要优于数字化实践应用转型
。
采用较为先进的数据包络分析法（DEA）中的Malmquist 指数方法计算的全要素生产率。将数字化转型程度Digital与全要素生产率TFP的交互项纳入固定模型中，用以检验技术进步的偏向性。表4第（1）列和第（2）列的回归结果显示，
全要素生产率以及数字化转型与全要素生产率交互项的估计系数均显著为正
，表明全要素生产率以及数字化转型与全要素生产率的交互项显著提升劳动技能溢价，因此采用企业全要素生产率作为技能偏向型技术进步的代理指标是合适的。表4第（3）~（5）列的回归结果显示，
Digital对TFP的估计系数显著为正，将TFP纳入模型回归后，TFP对劳动技能溢价的估计系数均显著为正
，这表明数字化转型对劳动技能溢价的提升作用能够被技能偏向型技术进步所解释，即数字化转型能够通过促进技能偏向型技术进步，有效提升劳动技能溢价水平，验证了假说1。
采用高技能劳动者所占企业劳动就业比重衡量企业技能劳动相对需求（Ski）。第一阶段的回归中，如表4第（6）列的回归结果所示，
Digital对Ski的估计系数均显著为正
，表明数字化转型能够提高企业对高技能劳动者的相对需求。第二阶段的回归中，同时将Ski和TFP作为内生变量纳入模型进行检验。表4第（7）列和第（8）列的结果显示，
在控制TFP的同时，Ski对劳动技能溢价的影响依然显著
，表明数字化转型能够通过增加高技能劳动相对需求来提升劳动技能溢价，验证了假说2。
此外，文章分别将低技能劳动者总体数量以及未受过高等教育、一般性生产人员、行政辅助及后勤人员等企业低技能劳动者数量的自然对数值作为被解释变量，直接考察数字化转型对企业低技能劳动者的具体影响。表5第（1）列和第（2）列的回归结果显示，
无论是采用OLS还是工具变量法进行回归，Digital的估计系数均显著为负
